In [125]:
import numpy as np
#傅里叶模块
import scipy.fftpack as fftpack
# 将时域转换成频域
import matplotlib.pyplot as plt
%matplotlib inline
In [126]:
登月图片消噪
In [127]:
scipy.fftpack模块用来计算快速傅里叶变换
速度比传统傅里叶变换更快，是对之前算法的改进
图片是二维数据，注意使用fftpack的二维转变方法
In [128]:
moon = plt.imread('moonlanding.png')
plt.figure(figsize=(12,9))
plt.imshow(moon,cmap='gray')
Out[128]:
In [129]:
### 噪声----频率高
#使用傅里叶从时域---》频域-----》过滤碍眼的高频波
In [130]:
moon.shape
Out[130]:
In [131]:
moon_fft = fftpack.fft2(moon)
moon_fft
Out[131]:
In [132]:
cond = np.abs(moon_fft)>1e3
# 高频波过滤掉
moon_fft[cond] = 0
In [133]:
# 傅里叶反转
moon_result = fftpack.ifft2(moon_fft)
moon_result
Out[133]:
In [134]:
moon_result = np.real(moon_result)
moon_result
Out[134]:
In [135]:
plt.figure(figsize=(12,9))
plt.imshow(moon_result,cmap='gray')
Out[135]:
In [136]:
数值积分，求解圆周率
求解圆周率
integrate 对函数(1 - x^2)^0.5进行积分
In [137]:
x = np.linspace(-1,1,1000)
In [138]:
f = lambda x: (1-x**2)**0.5
In [139]:
# 画一个圆
plt.figure(figsize=(4,4))
plt.plot(x,f(x))
plt.plot(x,-f(x))
Out[139]:
In [140]:
圆的面积是？
使用scipy.integrate进行积分，调用quad()方法
In [141]:
import scipy.integrate as integrate
In [142]:
square,error = integrate.quad(f,-1,1)
print('圆周率是%s,误差%s'%(square*2,error))
In [143]:
Scipy文件输入/输出
In [144]:
import scipy.io as io
In [145]:
随机生成数组，使用scipy中的io.savemat()保存
文件格式是.mat，标准的二进制文件
In [146]:
# matrix 矩阵
# mat标准的二进制文件
# matlab软件，非常强大
io.savemat('daata.mat',mdict={'python':np.random.randint(1,9,size=(4,5))})
In [147]:
使用io.loadmat()读取数据
In [148]:
data = io.loadmat('./daata.mat')
data['python']
Out[148]:
In [149]:
读写图片使用scipy中misc.imread()/imsave()
In [150]:
import scipy.misc as misc
import scipy as scipy
scipy.__version__
Out[150]:
In [151]:
cat = misc.imread('./cat.jpg')
cat
Out[151]:
In [152]:
misc.imshow(cat)
In [153]:
misc旋转、resize、imfilter
In [154]:
cat_rotate = misc.imrotate(cat,60)
cat_rotate
misc.imshow(cat_rotate)
In [155]:
cat_resize = misc.imresize(cat,size=50)
misc.imshow(cat_resize)
In [156]:
# 第二个参数表示风格
cat_filter = misc.imfilter(cat,'emboss')
misc.imshow(cat_filter)
图片处理¶
使用scipy.misc.face(gray=True)获取图片，使用ndimage移动坐标、旋转图片、切割图片、缩放图片
导包，读取图片显示图片
In [181]:
import scipy.ndimage as ndimage
In [246]:
# scipy提供了一张模板图片
face = misc.face(gray=True)
print(type(face))
# plt.imshow(face.mean(axis=-1),cmap='gray')
plt.imshow(face,cmap='gray')
Out[246]:
In [159]:
shift移动坐标
In [183]:
face1 = ndimage.shift(face,shift=[100,200,0])
plt.imshow(face1,cmap='gray')
Out[183]:
In [186]:
face1 = ndimage.shift(face,shift=[100,200,0],cval=255)
plt.imshow(face1,cmap='gray')
Out[186]:
In [188]:
'''mode : str, optional
Points outside the boundaries of the input are filled according
to the given mode ('constant', 'nearest', 'reflect', 'mirror' or 'wrap').
Default is 'constant'.'''
face1 = ndimage.shift(face,shift=[380,0,1],mode='mirror')
plt.imshow(face1,cmap='gray')
Out[188]:
In [ ]:
zoom缩放图片
In [189]:
#旋转
face2 = ndimage.rotate(face,90)
plt.imshow(face2,cmap='gray')
Out[189]:
In [192]:
face3 = ndimage.zoom(face,zoom=[0.5,0.3,1])
plt.imshow(face3,cmap='gray')
Out[192]:
In [166]:
切割图片
In [193]:
face2 = ndimage.rotate(face,90)
plt.imshow(face2,cmap='gray')
Out[193]:
In [194]:
face4 = face[:512,-512:]
plt.imshow(face4)
Out[194]:
In [169]:
图片进行过滤
添加噪声，对噪声图片使用ndimage中的高斯滤波、中值滤波、signal中维纳滤波进行处理
使图片变清楚
In [195]:
moon = plt.imread('./moonlanding.png')
plt.figure(figsize=(12,9))
plt.imshow(moon,cmap='gray')
Out[195]:
In [170]:
加载图片，使用灰色图片misc.face()添加噪声
In [196]:
plt.imshow(face4)
Out[196]:
In [247]:
# 这个是对face的gray=True的情况做的操作
face5 = face+face.std() * np.random.randn(face.shape[0],face.shape[1]) * 0.3
# face5 = face+face.std()*np.random.randn(face.shape[0],face.shape[1])*0.3
plt.imshow(face5,cmap='gray')
face.shape[0]
Out[247]:
In [240]:
face.shape[0]
Out[240]:
In [248]:
face6 = ndimage.gaussian_filter(face5,sigma=1)
plt.figure(figsize=(12,4))
# 展示三章图片，一行3列
axes = plt.subplot(1,3,1)
axes.imshow(face4,cmap='gray')
axes = plt.subplot(1,3,2)
axes.imshow(face5,cmap='gray')
axes = plt.subplot(1,3,3)
axes.imshow(face6,cmap='gray')
Out[248]:
In [174]:
高斯滤波sigma：高斯核的标准偏差
In [175]:
moon_gaussian = ndimage.gaussian_filter(moon,sigma=2.5)
plt.figure(figsize=(12,9))
plt.imshow(moon_gaussian,cmap='gray')
Out[175]:
In [176]:
中值滤波参数size：给出在每个元素上从输入数组中取出的形状位置，定义过滤器功能的输入
In [249]:
face7 = ndimage.median_filter(face5,size=5)
plt.figure(figsize=(12,4))
# 展示三章图片，一行3列
axes = plt.subplot(1,3,1)
axes.imshow(face4,cmap='gray')
axes = plt.subplot(1,3,2)
axes.imshow(face5,cmap='gray')
axes = plt.subplot(1,3,3)
axes.imshow(face7,cmap='gray')
Out[249]:
In [178]:
signal维纳滤波mysize：滤镜尺寸的标量
In [179]:
import scipy.signal as signal
In [250]:
face8 = signal.wiener(face5,mysize=5)
plt.figure(figsize=(12,4))
# 展示三章图片，一行3列
# 参数会自动将数值隔开
axes = plt.subplot(131)
axes.imshow(face4,cmap='gray')
axes = plt.subplot(132)
axes.imshow(face5,cmap='gray')
axes = plt.subplot(133)
axes.imshow(face8,cmap='gray')
Out[250]:
